Histograma del gradiente orientado

Histograma de gradientes orientados
El algoritmo Histograma de gradientes orientados se usa en ´ambitos como la
visi´on por computador y el procesamiento de im´agenes con el prop´osito de detectar
objetos en una imagen. La esencia de dicho algoritmo es que la forma de un objeto
en una imagen puede ser descrito por medio de la distribuci´on de los gradientes.
El objetivo principal de estat´ecnica es la extracci´on de caracter´ısticas de una
imagen. Las caracter´ısticas son extra´ıdas teniendo en cuenta los bordes. El proceso de
obtener informaci´on de los bordes presentes en una imagen, se consigue calculando
los gradientes y las orientaciones de los pixels.

Proceso de extracci´on de caracter´ısticas
Este es el proceso m´as importante del proyecto, de ´el depende en granmedida
el cumplimiento de los objetivos marcados. Esto se debe a que estamos extrayen-
do caracter´ısticas de una imagen para que la representen. Pero esas caracter´ısticas
tienen que ser las que se precisen para el prop´osito de este trabajo. No sirve, por
ejemplo, que las caracter´ısticas extra´ıdas representen el color de piel de una persona.
Lo que se exige es que las caracter´ısticasrepresenten la silueta de una persona, para
poder discriminar de forma precisa el g´enero. A continuaci´on, se explicar´an los pasos
que tiene que seguir el algoritmo para obtener un vector num´erico a partir de una
imagen.

1. En primer lugar la imagen tiene que pasar por un preproceso para aumentar
la eficiencia y eficacia de las fases posteriores. En esta fase lo que se precisa
conseguir estransformar una imagen en color, a otra en escalas de grises.
Estando los valores de cada pixel comprendidos entre 0 y 1. Representado en
Matlab, la transformaci´on que sufrir´ıan los pixels de la imagen se muestra en
la Figura 4.4. En la figura 4.5 se da un ejemplo de cual ser´ıa el aspecto que
tendr´ıa una fotograf´ıa despu´es del preproceso.

Figura 4.4: Conversi´on de una imagen a valorescomprendidos entre 0 y 1.

Figura 4.5: Preproceso de una imagen.

2. Seg´un el algoritmo histograma de gradientes orientados, el siguiente paso es
dividir la imagen en fragmentos que a partir de este momento llamaremos
ventanas. Para cada ventana se tendr´a que calcular su vector de caracter´ısticas.
El vector de caracter´ısticas final, ser´a una concatenaci´on de los vectores de las
ventanasque componen una imagen (ver figura 4.6).

Figura 4.6: Ejemplo de obtenci´on del vector de caracter´ısticas.

3. Para cada una de las ventanas obtenidas se normalizar´ıa su intensidad con
el fin de que su media sea 0 y su varianza 1. Para acelerar el proceso de
normalizaci´on se ha optado por usar la imagen integral. La imagen integral
en el punto (c, r) (c por column, r por row) contiene lasuma del valor de los
pixels arriba y a la izquierda de dicho punto, inclusive, es decir:

Donde img(c,r) es la imagen origen e ii(c,r) es la imagen integral resultado.
Usando la imagen integral se puede calcular cualquier suma de los valores de
una zona de la imagen con ´unicamente cuatro b´usquedas en la matriz que
contiene los valores de la imagen integral, tal como se muestra en la figura4.7

Figura 4.7: C´alculo del valor de la imagen integral.

Para normalizar cada ventana de extracci´on, en primer lugar se calcular´a la
imagen integral y la imagen integral al cuadrado, para posteriormente norma-
lizar cada ventana de extracci´on mediante la siguiente ecuaci´on:

Para calcular la media y la varianza de cada ventana de extracci´on se usar´a tan-
to la imagen integral iicomo la imagen integral al cuadrado ii2 tal como indican
las siguientes f´ormulas:

En la figura 4.8 se puede ver un ejemplo visual de este proceso.

Figura 4.8: Normalizaci´on de una imagen.
4. Una vez normalizada la imagen, el siguiente paso es calcular la magnitud y la
orientaci´on del gradiente de cada pixel. El gradiente denota una direcci´on en el
espacio seg´un el cual se aprecia...